各大公司推荐系统的架构概览

本文从互联网收集并整理了推荐系统的架构，其中包括一些大公司的推荐系统框架（数据流存储、计算、模型应用），可以参考这些资料，取长补短，最后根据自己的业务需求，技术选型来设计相应的框架。后续持续更新并收集。。。

图1

界面UI那一块包含3块东西：1) 通过一定方式展示推荐物品(物品标题、缩略图、简介等)；2) 给的推荐理由；3) 数据反馈改进个性化推荐；

关于用户数据的存放地方：1)数据库/缓存用来实时取数据；2) hdfs文件上面；

抽象出来的三种推荐方式：

图2

图3

用户行为数据--->推荐引擎（第一层过滤）--->初始推荐结果--->过滤--->排名--->推荐解释--->推荐结果。

图3中，推荐引擎的构建来源于不同的数据源(也就是用户的特征有很多种类，例如统计的、行为的、主题的)+不同的推荐模型算法，推荐引擎的架构可以是多样化的(实时推荐的+离线推荐的)，然后融合推荐结果（人工规则+模型结果），融合方式多样的，有线性加权的或者切换式的等

图4